Transmission in interprofessional humanitarian teamwork: a scoping review
Notice bibliographique
Résumé
Abstract Context Since the end of the 1990s, the humanitarian sector lives a process of professionalization which has created some challenges for organizations and workers. These changes, which aim to standardize and harmonize practices, have also added issues of worker retention, creation of intercultural and interprofessional teamwork, skills development, health, and maintaining expertise in the fields. Aim Identify the mechanisms of knowledge transmission within humanitarian intervention collectives in a professionalization context. Method The design follows the five-step scoping analysis method proposed by Arksey and O’Malley (Int J Soc Res Methodol 8:19-32, 2005). Results The study examines dynamics within humanitarian work groups, focusing on relations between international and national workers, professional segmentation, and collective resilience. It also explores essential knowledge in humanitarian work (contextual, technical, collaborative, metacognitive, and managerial) and the main modes of knowledge transmission: reflective practices, on-the-job transmission, and training. Understanding these interactions and transmissions optimizes effectiveness and skill development in humanitarian contexts. Discussion/conclusion This article discusses professionalization through the rationalization of the humanitarian sector. There is a lack of scientific interest in knowledge transmission through work groups, with a focus on training programme evaluation. Existing dynamics on the ground is harder to control, hindering the evaluation of investment effectiveness. This trend is accompanied by a scarcity of field studies. In addition, there is a need for collective adaptation to respond to unusual situations. However, professionalization, subject to the constraints of donors, can create difficulties for non-governmental organizations (NGO) to establish conditions conducive to resilience or innovation. Our findings call on policy-makers to support adaptable frameworks that improve knowledge sharing and team dynamics in humanitarian response.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,025 | 0,101 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,025 | 0,022 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».